14개 전략 × 32개 심볼 실험에서 최종 Allowlist에 들어간 전략은 golden_triangle, pmax_explorer, elastic_student_t 세 가지뿐이다. 나머지 11개가 왜 탈락했는지를 세 가지 실패 유형으로 나눠서 살펴본다. 버그 하나, 설계 문제 하나, 파라미터 문제 하나다.

유형 1 — 신호 자체가 발화하지 않는 버그

support_resistance_channels

32개 심볼 전부에서 trades=0, Sharpe=0, OOS return=0이었다.

DEFAULT_PARAMS = {"channel_window": 96, "break_buffer": 0.0005}

res = d["high"].rolling(int(p["channel_window"])).max()
sup = d["low"].rolling(int(p["channel_window"])).min()

long_cond = d["close"] > (res * (1.0 + buf))
short_cond = d["close"] < (sup * (1.0 - buf))

res는 96봉 rolling high 최댓값이다. 그런데 long_cond는 close > res를 요구한다. 문제는 rolling().max()가 현재 봉을 포함한다는 것이다. 현재 봉의 high는 close보다 항상 크거나 같다. 따라서 rolling max에는 반드시 current_high >= current_close인 값이 포함된다. close > rolling_max_of_high는 수학적으로 불가능하다.

현재 봉: high=105, close=104
res(96봉 rolling high max) >= 105  → close(104) > res(≥105): 항상 False

long_cond는 단 한 번도 True가 될 수 없다. 버그다. res를 shift(1)로 이전 봉의 최댓값과 비교했어야 한다.

# 의도된 코드였다면:
res = d["high"].rolling(channel_window).max().shift(1)
long_cond = d["close"] > (res * (1.0 + buf))

Global Strategy Stats에서 Mean Sharpe가 정확히 0.000으로 나온 것이 이 버그의 직접적인 흔적이다.

유형 2 — 매매 횟수 부족 (trades < 30)

bear_market_probability_model

Global Cut은 통과했다. OOS 양수 비율 65.6%, 평균 Sharpe 1.275로 12개 전략 중 2위였다. 그런데 최종 선택에서 제외됐다. 이유는 per-pair gate의 trades >= 30 조건이다.

GATE = dict(sharpe=1.0, pf=1.2, mdd=-0.12, trades=30)

32개 심볼 중 trades ≥ 30을 넘긴 것은 단 1개(SLV, 85거래)다. 나머지는 대부분 한 자릿수다.

심볼 Sharpe Trades MDD
XLP 6.43 2 -1.8%
GLD 4.55 24 -3.8%
XLI 4.35 3 -1.8%
SLV 3.87 85 -17.5%
DIA 3.45 6 -1.6%

Sharpe가 높은 심볼들이 trades가 너무 적다. XLP의 Sharpe 6.43은 2번 거래한 결과다 — 통계적으로 신뢰할 수 없다. SLV는 85번 거래해서 통계적으로 유의미하지만 MDD -17.5%가 -12% 한계를 초과한다.

왜 거래 횟수가 이렇게 적을까. 전략의 진입 조건을 보면 이해된다.

# 60분봉 기준
peak = d60["close"].rolling(dd_window=120).max()
dd = d60["close"] / peak - 1.0
vol = d60["close"].pct_change().rolling(vol_window=60).std()

dd_rank = percentile_rank(dd.abs(), 120)   # 120봉 이내 낙폭 순위
vol_rank = percentile_rank(vol, 120)       # 120봉 이내 변동성 순위

bear_prob = 0.65 * dd_rank + 0.35 * vol_rank
long_cond = bear_prob <= 0.28   # 매우 낮은 낙폭 + 낮은 변동성
short_cond = bear_prob >= 0.72  # 매우 높은 낙폭 + 높은 변동성

bear_enter=0.72 — 전체 120봉 중 낙폭+변동성 복합 점수가 상위 28% 이내여야 숏을, 하위 28%여야 롱을 낸다. 60분봉으로 OOS 기간(약 9개월)에 120봉 lookback이면 기준이 매우 까다롭다. 극단적인 조건에서만 발화하도록 설계돼 있어서 60분봉으로는 거래가 거의 안 나온다.

15분봉 데이터로 바꾸거나 bear_enter 임계를 낮추면 다른 결과가 나올 수 있지만, 현재 파라미터로는 실전 투입 기준을 통과하지 못했다.

유형 3 — 희귀 발화 조건 + 극소 수익

support_resistance_trendlines_strategy

OOS 양수 비율 31.2%, 평균 Sharpe -1.224로 Global Cut됐다. Global Cut 기준은 positive_ratio < 0.25 AND mean_sharpe < 0.0인데, 31.2%는 25%를 넘어서 기술적으로 Global Cut은 피했다. 하지만 per-pair gate에서 전부 탈락했다.

slope = _rolling_slope(d["close"], slope_window=40)

near_sup = d["close"] <= (sup * 1.003)   # 80봉 최저점의 0.3% 이내
near_res = d["close"] >= (res * 0.997)   # 80봉 최고점의 0.3% 이내

# 지지선 근처에서 상승 추세
long_cond = ((near_sup & (slope > 0)) | (d["close"] > res))
# 저항선 근처에서 하락 추세
short_cond = ((near_res & (slope < 0)) | (d["close"] < sup))

near_sup & slope > 0 조건은 가격이 80봉 저점의 0.3% 이내에 있으면서 동시에 40봉 선형 기울기가 양수인 경우다. 두 조건이 겹치는 경우는 매우 드물다. 가격이 저점에 있으면 기울기가 음수인 경우가 많기 때문이다.

실제로 Sharpe가 가장 높았던 심볼들의 거래 수를 보면:

심볼 Sharpe Trades OOS return
SLV 2.49 6 +0.29%
XLB 1.79 5 +0.03%
ARKK 1.61 8 +0.14%
QQQ 0.84 31 +0.12%

대부분 한 자릿수 거래에 OOS return이 0.1~0.3% 수준이다. 전략이 발화해도 실질적인 수익이 너무 작다. (near_sup & slope > 0) 조건이 너무 희귀하게 충족되고, close > res (채널 돌파)를 대안으로 넣었지만 이 경우도 드물다.

세 가지 실패 유형 정리

전략 탈락 단계 실패 원인
support_resistance_channels Global Cut (mean_sharpe=0.0) close > rolling_high_max 항상 False — 구현 버그
bear_market_probability_model Per-pair Gate (trades) 60분봉 기준 발화 빈도 극히 낮음, 통계 신뢰 부족
support_resistance_trendlines_strategy Per-pair Gate (score 부족) 희귀 발화 + 극소 수익, OOS return 합산 미미

실험에서 탈락한 전략이라도 버그를 수정하거나 타임프레임을 조정하면 다른 결과가 나올 수 있다. support_resistance_channels는 shift(1) 한 줄 수정으로 논리를 바로잡을 수 있다. bear_market_probability_model은 15분봉으로 내리거나 bear_enter 임계를 완화하면 거래 횟수 문제를 해결할 여지가 있다.